快速接入

先看主来源和安装命令，再打开仓库或文档；下面只保留这个条目的关键接入事实。

详细介绍

：警告：弃用通知：此存储库现已弃用，不再处于活动开发中。请使用相反。

此README是一个代理工作流

面向开发人员的AI工具

Docker容器支持的代理AI工作流。

只是Docker。只是Markdown。拜伦。

主控程序

您编写的任何提示及其工具现在都可以用作 MCP服务器

使用发球模式 --mcp 旗帜。然后，通过git ref或path注册提示 --register

# ...
serve
--mcp
--register github:docker/labs-ai-tools-for-devs?path=prompts/examples/generate_dockerfile.md
--register /Users/ai-overlordz/some/local/prompt.md
# ...

overall architecture diagram preview

我们的许多实验的来源领英通讯

VSCode扩展

文档

这是什么？

这是一个简单的Docker镜像，通过结合Docker化工具、Markdown和您选择的LLM，为新颖的工作流提供了无限的可能性。

Markdown是一种语言

人类已经会说了。LLM也是。这个软件允许你在markdown文件中编写复杂的工作流程，然后在编辑器或终端中用你自己的LLM运行它们。..或任何环境，多亏了Docker。

Docker化工具

OpenAI API兼容LLM已经支持工具调用。我们认为这些工具可能只是Docker镜像。使用Docker的一些好处基于我们的研究使LLM能够：

采取更复杂的行动
用更少的令牌获得更多的上下文
在更广泛的环境中工作
在沙盒环境中操作

交谈循环

对话循环是每个工作流程的核心。工具结果、代理响应，当然还有markdown提示，都通过循环传递。如果代理看到错误，它将尝试使用不同的参数甚至不同的工具运行该工具，直到得到正确的结果。

多模型代理

每个提示都可以配置为使用不同的LLM模型，甚至不同的模型系列运行。这使您能够使用最适合工作的工具。当您组合这些工具时，您可以创建多代理工作流，其中每个代理都使用最适合该任务的模型运行。

使用Docker，可以让前沿模型进行规划，同时执行轻量级的本地模型。

项目第一设计

要在软件开发循环中获得助手的帮助，唯一需要的上下文是您正在进行的项目。

提取项目上下文

extractor architecture

提取器是一个针对项目运行的Docker镜像，它将信息提取到JSON上下文中。

提示为可跟踪的工件

prompts as a trackable artifact

提示存储在git仓库中，可以进行版本控制、跟踪和共享，以便任何人在自己的环境中运行。

开始使用

我们强烈建议使用VSCode扩展来开始。它将帮助您创建提示，并使用您自己的LLM运行它们。

运行第一个循环

VSCode

安装扩展

拿到最新版本并安装

code --install-extension 'labs-ai-tools-vscode-.vsix'

正在运行：

打开现有的markdown文件，或在VSCode中创建新的markdown文件。

你甚至可以跑步 *这* 直接使用markdown文件！

运行命令 >Docker AI: Set OpenAI API Key 以设置OpenAI API密钥，或为本地模型使用伪值。

运行命令 >Docker AI: Select target project 选择一个项目来运行提示。

运行命令 >Docker AI: Run Prompt 开始对话循环。

命令行界面

说明假设您打开了一个终端，并且运行了Docker Desktop。

设置OpenAI密钥

echo $OPENAI_API_KEY > $HOME/.openai-api-key

注意：我们假设此文件存在，因此您必须为本地模型设置一个虚拟值。

docker run 
  --rm \
  --pull=always \
  -it \
  -v /var/run/docker.sock:/var/run/docker.sock \
  --mount type=volume,source=docker-prompts,target=/prompts \
  --mount type=bind,source=$HOME/.openai-api-key,target=/root/.openai-api-key \
  vonwig/prompts:latest \
    run \
    --host-dir $PWD \
    --user $USER \
    --platform "$(uname -o)" \
    --prompts "github:docker/labs-githooks?ref=main&path=prompts/git_hooks"

看文档有关如何运行对话循环的更多详细信息。

建筑

#docker:command=build

docker build -t vonwig/prompts:local -f Dockerfile .

现在，对于代理工作流。..

提示系统

你是阅读读物的专家。

使用curl获取以下内容的自述文件https://github.com/docker/labs-ai-tools-for-devs在回答以下问题之前。

提示用户

这个项目是什么？

目录标签

开发工具AI工作流命令行工具Clojure本地部署Docker工具Markdown编程多模型代理开发者工具

接入字段

传输方式（transport，传输协议）

未说明

鉴权方式（authType，认证方式）

api-key

工具数量（toolCount，工具数）

0

资源数量（resourceCount，资源数）

0

提示词数量（promptCount，提示词数）

0

权限和风险

未说明api-key部署方式未说明

接入前请确认传输方式、认证方式和部署位置，并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限；先核对安装命令和配置内容。

仍需确认：installCommand

来源信息

MCP World

mcpworld.com

/detail/0904baadca4c0217d7ef461b7313e83a

一个基于Docker容器的代理AI工作流工具，支持通过Markdown文件编写和执行复杂工作流。

继续浏览同类 MCP

更多开发工具 MCP（20,396）返回 MCP 目录

上一个 MCP

Lab MCP Server

一个基于Claude Desktop的MCP服务器搭建工具，用于快速配置和运行MCP服务器。

下一个 MCP

labview assistant

该工具包通过MCP服务器提供VI脚本功能的API，使具备MCP客户端能力的大型语言模型应用能够调用这些功能并操作LabVIEW VI。

Labs AI Tools For Devs (labs-ai-tools-for-devs)